蚂蚁集团
蚂蚁集团-算法专家（营销/推荐/数据挖掘/大模型）-杭州/北京/上海
蚂蚁集团-算法专家（营销/推荐/数据挖掘/大模型）-杭州/北京/上海
发布于 3 天前普通员工/个人贡献者
杭州市 / 北京市
高级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
Llm
Pytorch
Sql
Tensorflow
因果推断
大模型
推荐系统
机器学习
深度学习
AI 估算 · 35k–65k
蚂蚁集团高级算法岗，一线城市，技术栈前沿，薪资竞争力强，期权激励叠加后年包较高。
职位详情
关于这个职位
蚂蚁集团招聘算法专家，负责消费金融与信贷场景的营销推荐、用户增长、数据挖掘及大模型应用
你将融合机器学习、因果推断等技术，优化投放精准性与业务增长效果，并探索LLM等前沿算法在智能决策中的创新应用
最低要求
硕士及以上学历，计算机、数学、统计学、运筹学、自动化等相关专业背景，在算法应用、数据科学、推荐广告或智能决策相关领域有扎实工作经验
在营销推荐、搜索广告、计算广告、投放出价、用户增长、用户画像、用户圈选、因果推断、数据挖掘、NLP、大模型应用等方向之一有深入研究或实际落地经验
具备扎实的机器学习和深度学习基础，熟悉推荐系统或广告投放相关技术链路，了解召回、排序、重排、出价、竞价、预算分配、流量分发等机制者优先
具备独立建模、编码实现和算法优化能力
熟悉至少一种主流深度学习框架，如 PyTorch、TensorFlow、Keras 等
熟练掌握 Python、Java、C/C++ 中至少一种编程语言，熟悉 SQL 及常见大数据开发工具
具备良好的业务理解和沟通协同能力
工作职责
面向消费金融及信贷相关业务场景，基于业务理解和数据科学方法，挖掘用户增长、经营优化和营销转化机会，将复杂业务问题抽象为算法建模和智能决策问题
负责营销推荐场景的算法建设，包括但不限于用户触达、用户圈选、素材召回、推荐排序、智能出价、流量分发、预算分配、个性化策略和效果优化等方向，提升投放精准性、转化效率和业务增长效果
深度融合机器学习、深度学习、因果推断、运筹优化、控制优化等方法，设计并落地可规模化的算法解决方案，支撑大规模流量和复杂业务场景下的策略迭代与技术攻坚
探索大模型技术在营销推荐、数据挖掘和智能决策场景中的创新应用，包括但不限于 LLM Agent、LLM4Rec、算法做功 AI loop 自迭代、用户理解与意图识别、AIGC、智能分析与决策辅助等方向，推动算法能力升级和业务落地
跟踪前沿算法技术，结合实际业务场景沉淀可复用的算法能力、评估体系和工程化解决方案，持续提升算法研发效率与业务应用效果
优先资格
有消费金融、信贷业务、营销增长经验者优先
具备大模型在营销推荐、数据挖掘、智能分析决策等场景中的实践经验者优先，如 LLM Agent、LLM4Rec、AIGC、后训练、工具调用、模型评估等
AI 洞察
优缺点分析
优点
- 蚂蚁集团大平台，业务场景丰富，数据量大，算法应用价值高
- 技术栈前沿，涵盖推荐、因果推断、大模型等热门方向，个人成长快
- 薪资福利优厚，年终奖及股权激励可观
- 技术复杂度高，需要同时掌握多种算法领域并融合落地
- 适合具备扎实算法基础、热爱解决复杂业务问题、渴望在大平台成长的资深算法工程师
缺点 / 挑战
- 业务压力大，需快速迭代策略以支撑业务增长目标
- 跨团队协作频繁，沟通协调成本较高
角色解读
- 深耕营销推荐算法领域，成为专家型人才，可晋升为高级算法专家/技术负责人
- 横向拓展至大模型与AI Agent方向，成为跨领域AI架构师
- 转向管理岗，带领算法团队负责业务线算法策略与落地
- 负责消费金融信贷场景的营销推荐算法，包括用户触达、圈选、召回排序、出价、流量分配等全链路优化
- 融合机器学习、因果推断、运筹优化等方法，设计规模化算法方案支撑大规模流量与复杂业务
- 探索大模型在营销推荐中的创新应用，如LLM Agent、LLM4Rec、AIGC等，推动算法能力升级
- 扎实的机器学习和深度学习基础，熟悉推荐系统或广告投放链路（召回、排序、出价等）
- 精通Python/Java/C++之一，熟练使用PyTorch/TensorFlow等深度学习框架及SQL
- 具备因果推断、运筹优化或大模型应用（LLM Agent、LLM4Rec）等方向的实际经验
申请策略
- 了解蚂蚁消费金融业务（如借呗、花呗），思考算法如何赋能增长
- 准备1-2个完整的项目案例，能清晰阐述问题、方案、收益
- 突出推荐系统或广告投放相关项目经验，详述模型设计、效果提升等量化成果
- 强调大模型应用或因果推断等前沿方向的实际落地案例
- 展示编程能力（如开源贡献、竞赛获奖）和业务理解（如增长、营销场景经验）
- 补充因果推断、运筹优化的理论基础，复习推荐经典论文
- 实践LLM Agent搭建，熟悉LangChain等工具
- 刷题巩固算法与数据结构，准备系统设计
面试指南
- 用STAR法则（情境-任务-行动-结果）结构化回答，先交代背景和目标，再讲具体方案和技术细节，最后量化效果
- 对于开放式问题，先厘清问题定义，再分点阐述思路，最后总结
- 请介绍一个你负责的推荐算法项目，包括目标、方法、效果
- 如何处理冷启动问题？在营销推荐场景中如何做用户圈选？
- 因果推断在营销中的应用？举例说明
- 大模型如何与推荐系统结合？你了解的LLM4Rec方法有哪些？
- 如何评估营销推荐策略的效果？设计一个A/B测试方案
- 复习推荐系统经典论文（如YouTube DNN、DIN、DIEN等），并了解最新LLM4Rec论文
职位点评
70
综合评分
大厂前沿算法岗，技术成长快、薪资高，但工作强度大、WLB一般。
更适合这类人
优先满足技术成长与高薪回报的求职者，对工作生活平衡要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展92
工作生活45
使命价值60
薪资福利
85较高
薪资水平在行业内属于顶尖位置，大厂福利完善，但需面议具体数额。
薪资信号面议 (35K-65K/月)
成长发展
92较高
技术栈前沿（大模型、因果推断），业务场景丰富，有明确的成长空间，但JD未提及晋升通道。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、推荐系统、因果推断、大模型、LLM、LLM Agent、LLM4Rec、AIGC
业务类型profit_center
工作生活
45较低
多个办公地点可选，但均为现场办公，且互联网大厂工作节奏较快，未提及WLB。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
60中等
金融科技行业稳定增长，但营销推荐场景偏商业，社会使命感中等。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs